基于集中式模型的我国各地区及三大产业的DEA效率评价

基于集中式模型, 首先在考虑地区内部三大产业的情况下, 对2010年我国31个地区展开DEA效率评价, 然后在保持各地区整体效率不变的前提下进行效率分解, 确定各产业的效率值和相对重要程度. 此外, 对各地区三大产业的规模收益问行了研究. 实证分析结果表明, 各地区的整体效率值偏低, 第一产业的效率重要程度偏低, 第二产业和第三产业的效率均值相差不大, 但大部分地区的产业比第二产业的相对重要程度高. 此外, 从规模收益角度来看, 大部分地区整体处于规模收益递减阶段, 大多数地区的第一和第三产业均处于规模收益递增阶段, 绝大多数地区的第二产业已处于规模收益递减阶段.     

基于深度学习的脑微观结构重建

为了研究脑运行机制以实现类脑智能,我们引入深度学习工具系统解决突触级脑微观重建中大数据自动分析的难题,包括:密集神经元重建、单根神经元追踪、关键细胞器检测和重建.其中我们使用带有候选区域(region proposal network,RPN)的全卷积网络(fully convolutional networks,FCN)检测线粒体和突触,结合SPPUnet(spatial pyramid pooling U-net)网络框架和MultiCut算法进行神经元的重建,各部分在量化分析和视觉上取得了较好的结果.重建工作为学术界开展高通量的突触尺度脑微观结构重建提供有效支持.     

中国金融状况与实体经济发展研究——来自中国2000-2017年月度数据

运用混合创新时变系数随机方差向量自回归模型(mixture innovation time-varying parameter vector autoregressive models with stochastic volatility,MI-TVP-SV-VAR)构建中国金融状况指数(MFCI)测度中国金融状况,并基于非对称多重分形去趋势交叉相关分析法(multifractal asymmetric detrended cross-correlation analysis,MF-ADCCA算法)分析MFCI对实体经济发展的预测能力.以我国2000-2017年月度数据为研究样本,实证结果显示:各金融状况变量的权重均具有灵活时变性,股票价格、债券价格、房地产价格在MFCI中的权重较大;MFCI在样本期间能够与实体经济发展保持趋势上的一致性,且领先于实体经济发展(EC)的变动;基于MF-ADCCA算法的非对称相关性检验得出MFCI与EC具有持久的交叉相关性,MFCI的下降会导致EC的下降,MFCI的上升会导致EC的上升;MFCI对EC的交叉影响改变了单独序列本身的非对称影响,说明中国金融状况对实体经济发展的前期影响作用存在,MFCI具有对实体经济发展的预测作用.跨期相关性检验得出MFCI对实体经济的预测作用在6个月内效果更显著.     

脑微观重建系统研究

本文旨在研究如何利用硬件,软件,算法的系统工程的方案解决脑微观结构重建的高通量自动化数据分析的难题.通过实现样片制备,自动切片,显微成像,三维重建以及软件平台等分阶段工作,建立符合神经结构生物学特征的模式识别和机器学习分类方法,解决海量畸变图像拼接配准,密集神经结构识别,歧义神经联结,多源数据融合等限制分析效率的关键问题,为搭建大体量神经结构重建工程平台提供理论基础和解决方案,满足脑科学研究对高通量神经回路网络重建的需求.     

基于DEA与整体满意度最大化的排放量分摊

初始排放许可的分摊是设计排放交易系统的核心问题. 基于数据包络分析（data envelopment analysis）方法确定能够使得所有参与方在分摊后达到有效状态（帕累托有效）的排放量分摊方案集，确定各参与方的排放量分摊区间. 在此基础上定义各参与方对分摊方案的满意度效用函数，并建立分摊模型，最终的最优分摊方案能够保证所有参与方在分摊后达到有效状态（帕累托有效）且整体满意度最大. 最后通过2009年139个国家或地区的相关数据验证此方法是可行的，对于节能减排，实现社会经济的可持续发展具有现实意义.     

基于Takenaka-Malmquist自适应时频分布的特征指标——来自上证和深证的数据

股票价格指数度量并反映了股票市场总体价格水平及其变动趋势，包含了丰富的市场信息，受到投资者和政策制定者的普遍关注.利用一定的数学方法对其进行分析和研究，挖掘股指的潜在价值，对加快资本市场治理，提升金融效率，促进国民经济的平稳快速发展具有十分重要的意义.本文利用基于Takenaka-Malmquist自适应傅里叶分解（简称自适应傅里叶分解或AFD）的时频分布，有效提取了股票价格指数的时频特征，分析股票市场的变动趋势.为满足自适应傅里叶分解的要求，首先利用H-P滤波算法对时间序列进行预处理，去除时间序列的趋势项，然后利用AFD算法处理周期项数据，在此基础上得到股票价格指数的时频分布，并进一步分析股指变动趋势.基于自适应傅里叶分解的算法可以有效提取股指在时频两域的信息，避免了单一域分析的缺陷，且比现有的小波分解方法具有更高的分辨率和准确度.为检验指标的有效性，本文利用上海证券交易所的上证综合指数（代码000001）和深圳证券交易所深证成份指数（代码399001）实证检验了指标的有效性，结果表明基于自适应傅里叶分解的时频分布提出的股市技术分析指标可以用于中短期股票市场的变动特征分析.     

电力消费量周期性分析

在经验模式分解的基础上,根据多分量信号的一些特点,分析了多分量信号的数学基础．并从信号的瞬时频率和瞬时带宽出发,提出了基于带宽的停止准则,改进了筛算法．将该算法应用于电力数据分析,得到电力消费分解数据,并在此数据上得到关键性的结论,以指导电力分配．     

经验模式分解算法的分析及应用

从窄带信号的定义出发,弥补了经验模式算法由本质模式函数(IMF)作为基础的缺陷,合理解释了经验模式分解算法. 并在理论上研究了筛过程的本质特征.应用局部窄带分解算法分析一组电力数据.通过分析分解的结果得到电力消费数据包含几个周期时序组成的结论,以指导电力的分配.